用于图像压缩的小波系数的上下文模型

结合GlicBawls编码方法的线性预测思想和CALIC编码方法通过量化减少上下文个数的思想 ,提出了一种新的用于图像压缩的小波系数的上下文模型。它通过量化当前系数的线性预测值形成上下文 ,进行自适应的算术编码。实验结果表明 ,利用这种模型获得的无损压缩比高于无损的SPIHT和用于JPEG2 0 0 0的无损的EBCOT。另外 ,这种模型充分利用了小波变换的多分辨率性质 ,能以渐近分辨率 (progressiveresolution)方式压缩图片 ,并且它获得的原图片的各个比例尺 (scale)的小图片的压缩比也高于EBCOT。

半边人脸识别方法

针对光线变化对人脸的正确识别的影响,提出一种半边人脸识别方法。该方法把训练集的人脸图片分为左右两个部分,经过亮度补偿后分别训练左右脸的特征提取器,提取训练集中左右半边脸的特征。计算待识别图片左右半边脸的熵,选取熵较大的半边脸及对应的特征提取器,经过亮度补偿后提取该半边脸的特征,并根据提取的特征进行归类。实验结果表明,对光线有变化的人脸,该方法比用全脸识别具有更好的识别率和识别速度。

一种基于三维小波系数上下文模型的视频压缩方法

受视频编码方法3D-ESCOT的启发,提出了一种新的基于三维小波系数上下文模型的视频编码方法.该方法分为:首先,利用人眼视觉模型(HVS)对经过三维小波变换的小波系数进行量化;然后利用空间和时间相邻的系数对当前系数进行预测,以预测值的量化值作为上下文,对系数进行基于上下文的算术编码.该方法具有空间和时间分辨率可扩展性质,在视频传输中能够自动适应不同类型设备和网络带宽的变化.实验表明,该方法不仅在每个质量等级和每个时间和空间分辨率获得了比3D-ESCOT更高的压缩比,而且编解码所需要的时间更少.

一种低运算量分辨率可扩展的视频压缩方法

提出了一种具有分辨率可扩展的适合便携带设备的视频压缩方法。该方法分为两阶段:(1)利用人眼视觉模型对小波系数进行量化;(2)对于低频子带,利用周围的系数对当前系数进行预测,对预测误差进行编码,对于高频子带,先进行Run-length编码,再进行Huffman编码。实验结果表明,在相同的视觉效果下,该方法获得了与MJPEG2000相当的压缩比,并且压缩所需要时间更少。

一个增强算法学习兴趣的算法实验设计

算法是计算机科学领域最重要的基石之一,但却受到了国内高校相关专业及学生的冷落。他们认为学习计算机就是学习各种编程语言,对算法学习没有兴趣。但是算法的学习更加重要,因为计算机语言和开发平台日新月异,但万变不离其宗的是那些算法。本文论述一个增强学生算法学习兴趣的算法实验设计方法。让学生在实验中体验算法学习的重要性,通过实验发现问题,分析问题出现的原因,寻找解决问题的办法,从而将原来的被动学习转化为主动学习。

图像压缩的小波系数模型

通过对 3种经典的小波系数模型 (EZW模型 ,SPIHT模型 ,EBCOT模型 )进行仿真实验 ,表明SPIHT的压缩性能优于EZW(平均高 0 .6dB) ,而EBCOT的压缩性能又优于SPIHT(平均高 0 .5dB) ,再通过对 3种模型的分析 ,明确了 3种模型性能差异的根源在于对子带内小波系数的相关性和子带间小波系数的相似性的不同利用。最后 ,综合上述 3种模型的优点 ,充分利用子带内小波系数的相关性和子带间小波系数的相似性 ,提出了一种新型小波系数模型。实验表明该模型在压缩比方面优于上述 3种模型。

复小波域层内层间相关性图像去噪方法

提出了双树复小波变换域尺度内和尺度间复系数相关性图像去噪新方法。该方法利用双树复小波变换的多方向性和平移不变性对图像进行多尺度分解,采用邻域复系数微分窗对其高频方向子图进行尺度内复系数相关性建模,并按最小错误率贝叶斯决策规则进行分类和状态标识;再把复系数尺度内状态标识与复小波域隐马尔可夫树相结合,从而实现降噪功能。实验结果表明,该方法在峰值信噪比指标上优于传统的滤波方法,能有效地抑制噪声的同时,对图像边缘具有较好的保护能力。

基于智能体的电子商务协作推荐系统

传统的协作筛方法存在的主要问题是需要人为地提供评价,该文对其进行了改进,根据用户事务模式自动获取用户评价,构建评价矩阵。针对现有个性化信息推荐系统存在的问题,将Agent应用到电子商务个性化信息推荐,引入设计的协作筛方法,设计了基于Agent的电子商务协作推荐系统(ECCRS)。ECCRS是基于服务器端的电子商务协作推荐系统,它考虑了用户访问页面的时间特性,不需要用户注册,在推荐时考虑了页面的新颖性,同时实现了离线处理、增量更新与在线推荐的结合。实验结果表明,ECCRS采用的推荐方法是有效的。

自反馈RBF网络在高炉热状态模型预测中的应用

在RBF神经网络的输入上加入了自反馈的神经元,提出了自反馈RBF神经网络,使网络对过去时态的数据具有了记忆能力,对该网络进行了稳定性分析后,采用层叠的自反馈神经元以增加网络的动态处理能力,并设计了自反馈RBF的在线训练算法,通过对混沌时序数据的仿真实验证明该算法的有效性。在此研究基础上,建立了高炉的热状态预测控制模型,预报铁水中硅的含量以达到判断高炉热状态的目的,实验表明该模型提高了高炉热状态的预报精度。

一种基于小波系数上下文模型的图像压缩方法

提出了一种新颖的基于小波系数上下文模型的图像压缩方法,该方法通过量化当前系数的线性预测值形成上下文,进行自适应的算术编码;同时利用了小波变换的多分辨率性质,以渐近分辨率的方式压缩图片,具有分辨率可扩展性。实验结果表明,该方法获得的无损压缩比高于SPIHT和用于JPEG2000的EBCOT,在各分辨率下的压缩比也高于EBCOT,压缩时间也比EBCOT要少。

涉密网安全保密整体解决方案

随着信息化建设的加快,信息安全已经受到广泛的重视。而对于政府、军队、能源等涉及国家秘密的行业,如何构建一个安全有效的涉密网是一个急需解决的问题。论文设计了涉密网安全保密整体解决方案(WSSNS)。WSSNS从物理安全、系统安全、网络安全、应用安全和管理安全五个方面来实现涉密网的安全保护。WSSNS采用技术与管理并举,是一个整体而有效的解决方案,在实际应用中取得了良好的效果。

利用深度视频中的关节运动信息研究人体行为识别

由于计算开销大等原因,基于RGB视频和人工特征的行为识别方法在近些年的研究进展比较缓慢。相对于RGB视频,深度视频能提取运动物体的几何结构信息,不会随着光线的变化而变化,因此在视频分割、行为识别等视觉任务中比RGB视频具有更好的区分性。以深度视频中的关节运动信息为基础,提出一种简单而有效的人体行为识别方法。首先,根据深度视频中人体关节信息分别提取表示关节之间角度和相对位置的2个特征向量,然后使用LIBLINEAR分类器分别对提取的2个特征向量进行分类识别,最后,通过融合其分类结果得到最终的行为识别结果。该提取的特征仅包括关节间的相对位置和角度信息,不会因视角的变化而变化,具有一定的视角不变性。实验结果表明,所提出方法在UTKinect-Action3D数据集上能够获得与当前最好方法一致的识别效果,而且该方法具有很低的时间开销,实时性好。

基于分形脊波神经网络的遥感图像分类研究

在分形理论和脊波神经网络的基础上,综合利用彩色遥感图像的光谱、纹理和形状特征,提出了一种彩色遥感图像的分类新方法.该方法把彩色图像的蓝、绿、红波段作为3个光谱特征,由分形理论计算的DBC维和多重分形维数作为2个纹理特征,平均不变矩作为1个形状特征,并利用对曲线具有极强方向识别能力的脊波神经网络作为分类器.实验结果表明,提出的彩色遥感图像分类方法具有较高的分类准确率和较强的抗噪音能力.

以就业为导向创新软件工程专业教学评价体系

文章首先分析了现行教学质量评价中出现的问题,提出构建符合各专业学科实际情况的教学质量评价体系的解决思路.最后根据软件工程专业特点,建立了具有软件工程特色的教学质量评价体系和评价方法.

彩色遥感图像的一种边缘检测算法研究

针对彩色遥感图像的复杂性、模糊性和噪声强等特点,提出了一种基于多方向模糊形态学梯度的彩色遥感图像边缘检测算法。算法在模糊域中用多个不同方向的结构元素,对彩色遥感图像进行模糊形态学梯度运算以检测彩色遥感图像边缘,不但能检测出具有方向性的真实边缘,还能有效抑制无方向性的噪声。实验证明,该算法对彩色遥感图像进行边缘检测的有效性。

Web程序设计课程中分阶段专题模式教学的改革与实践

针对传统教学模式在"Web程序设计"课程中普遍存在的理论与实践相脱节,不能适应现代Web前端开发工程师培养的问题,提出了Web程序设计课程中结合任务驱动和项目驱动的分阶段专题模式教学改革,探讨了相应的课程考核方式并进行实践。通过学生的期终成绩和评价反馈来看,该模式取得了较好的效果,基本达到了培养优秀的Web程序前端开发工程师的目的。

复小波包域遥感图像局部自适应融合算法

为了使融合后的图像在保持原IKONOS卫星图像多光谱特性的同时,最大可能地提高图像空间分辨率,提出了一种基于四树复小波包变换的SAR图像与多光谱IKONOS卫星图像相融合的新方法.该方法利用复小波包变换的多方向性和对高频细节信号良好的时频局部化分析能力,分别对IKONOS图像经HIS空间变化的I分量子图和SAR图像进行复小波包分解,并对分解后的低频复系数采用取平均或取大值的方法、对高频方向复系数采用邻域一致性测度的局部自适应方法进行复系数融合.用融合后复系数经复小波包反变化得到的图像代替原IKONOS图像经HIS变换的I分量,再经HIS空间反变换得到最终的融合图像.实验结果表明,该融合算法在光谱保留和空间质量提高方面,比传统的基于小波变换的融合算法具有更高的性能.

在子集条件约束下的最大熵分布及其应用

介绍了有关熵的概念及计算方法,并将其应用于构建一类新的分布估计算法(EDAs)。该类分布估计算法用基于最大熵估计种群中的模式概率分布和从最大熵分布中抽样取代遗传算法(GA)的交叉和变异,产生新的种群。在该类算法中,二阶连接模式算法由于只使用了连接模式,在解决变量之间相互作用趋向于发生在串中相互靠近的变量之间的一类问题时,比遗传算法更好。

软件工程专业课程设置的“维数”

目前高校有的软件工程专业设置课程涵盖软件工程学科的所有方面的详细内容,也有软工专业设置几门或一门软件工程专业课其余是一般计算机课程。无论哪种情况,开设课程必须明确与之相对应的具体的学生输出。主要依据学生输出提出了"维"的概念,课程设置便是在抽象"维"里分类和分析一系列课程。

基于用户评论的深度情感分析和多视图协同融合的混合推荐方法

目前,大多数推荐技术使用用户评分来推断用户偏好.当有充足的评分信息时,协同过滤技术表现良好.然而,评分数据普遍存在着稀疏性,或者难以让用户将其偏好表示为对物品的评分等级,故有效性受到限制.基于内容的推荐方法依据物品的内容来寻找与目标用户喜欢的物品内容相似的物品.在目标用户没有充足的历史数据的情况下,该方法仍然不充分,其推荐效果也很有限.当前,融合多视图的兴趣偏好信息构建混合推荐系统是个性化推荐研究发展的趋势.混合推荐系统通过融合用户物品的交互评分、隐式反馈和辅助信息进行个性化推荐,故本文提出了一种新颖的基于用户评论的深度情感分析和多视图协同融合的混合推荐方法.针对用户评论、物品内容描述等短文本的情感及语义难以分析,单一推荐视图易导致对用户画像建模粗放等问题,本文利用词向量对用户评论的短文本进行分布式表征,并结合长短期记忆网络实现从上下文语义层面对用户评论的情感进行分析.同时,本文提出基于观点预过滤和基于用户评分嵌入的情感融合方法,设计了一种嵌入的网络结构对用户评论进行深层语义分析和情感计算,以解决用户评分与真实兴趣偏好存在较大偏差、评分等级分布极度不均衡等问题.此外,本文利用分布式的段落向量表征对物品内容描述的短文本进行相似度计算,并设计了候选物品相似性的计算方法及度量K个最近邻物品的方法,解决了推荐系统中物品的内容信息不易挖掘和利用的问题.最后,本文提出了一种基于协同训练的融合用户评分、情感倾向和物品内容信息的混合推荐算法,实现对稀疏的用户评分矩阵的循环填充和修正,进而实现基于评分预测的Top N推荐.该方法解决了混合推荐系统中不同兴趣偏好的多推荐视图难以融合的问题,同时在一定程度上解决了推荐系统建模中缺乏足够的有标签数据问题.本文在亚马逊数据集上进行实验,与多种经典的和当前先进的推荐算法进行性能对比,采用平方误差、命中率和标准化折扣累积增益进行性能评价.实验结果表明,本文提出的算法在挖掘用户情感上效果显著;在10个推荐数据集上,系统的评分预测和Top N推荐指标皆有不同程度的显著改进.